“G06V10/28”专利分类搜索_专利查询_文献下载_出售_求购_买卖_交易

钻瓜专利网为您找到相关结果103个，建议您升级VIP下载更多相关专利

[发明专利]一种基于深度学习的快速烟叶前景提取方法-CN202310710068.8在审
发明人：侯浩滨;胡耀华;张泽雄;黄海明 -专利权人：东莞理工学院;东莞市华视智能科技有限公司
申请日： 2023-06-15 - 公布日： 2023-10-20 - 主分类号： G06V10/28 文献下载
摘要：本发明公开一种基于深度学习的快速烟叶前景提取方法，包括以下步骤：a、通过视觉拍摄装置采集烟叶数据集，烟叶数据集包括烟叶生产中不同部位、破碎、完整的烟叶；b、对采集的原始烟叶数据集进行数据增强；c、标注已数据增强的烟叶图像数据集，完成数据集的准备；d、将标注好的数据集样本传入改进的U2Net显著目标检测深度网络模型进行训练得到快速烟叶前景提取模型；e、通过视觉拍摄装置实时采集烟叶图像，将得到的实时烟叶图像输入所训练好的快速烟叶前景提取模型进行推理预测，得出烟叶前景图。本发明利用深度学习语义分割技术，实现了烟叶前景的快速提取，实现烟叶视觉检测时前后景的分离，具有精度高、速度快、实用性强的技术效果。
一种基于深度学习快速烟叶前景提取方法

[发明专利]一种基于堤坝红外图像的渗漏检测方法-CN202310810248.3在审
发明人：钱晓军;黄子骅;周君妍;钱拥军 -专利权人：江苏宁淮人工智能研究院有限公司
申请日： 2023-07-04 - 公布日： 2023-10-17 - 主分类号： G06V10/28 文献下载
摘要：本发明公开了一种基于堤坝红外图像的渗漏检测方法，步骤包括：对原始红外图像进行梯度计算获取梯度图像，再将梯度图像与原始红外图像叠加形成引导图像；对引导图像进行滤波操作获得滤波后的引导图像；对滤波后的引导图像进行模糊集增强处理获得增强图像；对增强图像进行分割获得堤坝图像渗漏区域的二值化图像。该渗漏检测方法通过改进引导图像能够在保留原始红外图像总体特征的同时，充分获得引导图像的边缘特征；利用模糊集增强函数对滤波后的引导图像进行模糊集增强处理，能够进一步突显红外图像中的细节信息，使图像特征区域的边缘更加明显，从而克服红外图像本身分辨率不高、对比度较低的问题。
一种基于堤坝红外图像渗漏检测方法

[发明专利]模型训练方法、路面损伤分割方法、装置和电子设备-CN202110721795.5有效
发明人：于越;孙昊;谭啸 -专利权人：北京百度网讯科技有限公司
申请日： 2021-06-28 - 公布日： 2023-10-13 - 主分类号： G06V10/28 文献下载
摘要：本公开提供了模型训练方法、路面损伤分割方法、装置和电子设备，涉及人工智能技术领域，具体涉及计算机视觉和深度学习技术。具体实现方案为：利用分类模型对第一路面图像进行处理，得到第一路面图像中各个像素点的路面损伤分类结果；基于第一路面图像中各个像素点的路面损伤分类结果，标注第一路面图像中的路面损伤信息；基于第一路面图像以及第一路面图像中的路面损伤信息，训练得到路面损伤分割模型。本公开实施例，可以节约标注成本，提高分割模型的准确性。
模型训练方法路面损伤分割装置电子设备

[发明专利]基于二值图像的对抗样本的生成方法、装置、电子设备及存储介质-CN202310679529.X在审
发明人：连德富;陈钢;刘凯;孔海春 -专利权人：中国科学技术大学;长三角信息智能创新研究院
申请日： 2023-06-09 - 公布日： 2023-09-12 - 主分类号： G06V10/28 文献下载
摘要：本发明公开一种基于二值图像的对抗样本的生成方法、装置、电子设备及存储介质，属于人工智能安全技术领域。本发明的基于二值图像的对抗样本的生成方法包括如下步骤：步骤1：获取数据样本，训练目标攻击模型；步骤2：翻转使目标攻击模型置信度下降最大的黑色像素点；步骤3：翻转使目标攻击模型置信度下降最大的白色像素点；步骤4：循环执行步骤2和3，直到扰动图像对目标攻击模型的攻击成功率达到性能要求或者翻转的像素达到数量限制k，得到对抗样本。采用本发明的技术方案可以有效解决现有针对二值图像的攻击中存在的效率太低和噪声对人眼可见的问题。
基于图像对抗样本生成方法装置电子设备存储介质

[发明专利]图像处理方法、电子设备和计算机可读存储介质-CN202210193710.5在审
发明人：邵涛;曾扬乔 -专利权人：荣耀终端有限公司
申请日： 2022-02-28 - 公布日： 2023-09-08 - 主分类号： G06V10/28 文献下载
摘要：本申请实施例提供了一种图像处理方法、电子设备和计算机可读存储介质，涉及图像处理技术领域。该方法包括：获取待处理图像的数据，待处理图像的数据包括待处理图像中各个像素点的色度数据；根据色度数据、预设色度范围和预设紫边尺寸，生成待处理图像对应的二值化掩模图像；二值化掩模图像包括保护区，保护区是指二值化掩模图像中与待处理图像中的至少一个紫边可能区域分别对应的区域中尺寸大于预设紫边尺寸的区域；根据二值化掩模图像确定待处理图像中的紫边像素点；紫边像素点是指色度数据属于预设色度范围，且位于保护区对应的区域之外的像素点。本申请实施例提供的方法能够准确的识别出图像中的紫边。
图像处理方法电子设备计算机可读存储介质

[发明专利]一种城市森林林分结构功能多样性系统监测与评价方法-CN202310615393.6在审
发明人：王蕾;姚允龙;陈洋;翟雅琳;杨朝斌;张宇博;贾佳;房纪元;单元棋;付怡 -专利权人：东北林业大学
申请日： 2023-05-29 - 公布日： 2023-08-15 - 主分类号： G06V10/28 文献下载
摘要：一种城市森林林分结构功能多样性系统监测与评价方法，本申请通过不同植物叶片与叶根比例的不同，通过叶片和叶根长度的比值，并结合同一类型下植物的色素信息，识别叶片所属植物的类型，植物的叶片中，叶片和叶根长度的比值是一个明显的特征，通过二值化后的图像识别该特征，速度快，而且准确率高，若仅通过叶片和叶根长度的比值或植物色素信息来识别植物的类型，由于一些植物的叶片和叶根长度的比值比较接近，而且不同植物色素信息可能比较接近，会导致识别准确率低的问题。而本申请将两个特征进行结合，通过叶片和叶根长度的比值以及植物的色素信息综合判断植物的类型，这样极大地提升了特征的综合性，提高了识别的准确率。
一种城市森林林分结构功能多样性系统监测评价方法

[发明专利]一种图像二值化处理方法、装置、介质及设备-CN202110134637.X有效
发明人：邱剑瑜;吴添财 -专利权人：厦门树冠科技有限公司
申请日： 2021-01-29 - 公布日： 2023-08-04 - 主分类号： G06V10/28 文献下载
摘要：本发明涉及图像处理技术领域，特别涉及一种图像二值化处理方法、装置、介质及设备。一种图像二值化处理方法，在样本图像上分别选取样本目标和样本校正区域；利用样本目标设定颜色空间各通道的标准阈值；利用样本校正区域计算第一校正值，同时定位样本校正区域的校正坐标；通过校正坐标在实际处理图像上框选实际校正区域并计算第二校正值，由第一校正值与第二校正值的差得出校正补偿值；分离实际处理图像的颜色空间各通道的实际分量值，根据各通道的实际分量值与各通道校正补偿值的差得出所述颜色空间的实际二值化参数；判断实际处理图像的颜色空间各通道的实际分量值是否在实际二值化参数的范围内，并进行标记；输出实际处理图像的二值图。
一种图像二值化处理方法装置介质设备

[发明专利]基于红外图像处理的漂浮危化品识别方法-CN202310586515.3有效
发明人：黄红花;许烜睿;张少岩;车礼东 -专利权人：青岛海关技术中心
申请日： 2023-05-24 - 公布日： 2023-08-01 - 主分类号： G06V10/28 文献下载
摘要：本发明涉及图像处理技术领域，具体涉及基于红外图像处理的漂浮危化品识别方法。获取水体红外图像；根据水体红外图像中各像素点和对应邻域内像素点的像素值差异确定各像素点的初始水体风险系数；根据各像素点与邻域内像素点的初始水体风险系数的变化程度、各像素点与邻域内像素点的距离确定各像素点的最终水体风险系数；利用wolf‑jolion算法，将最终水体风险系数作为超参数，对水体红外图像进行分割，识别水体红外图像中的漂浮危化品。本发明提高了对水体红外图像中漂浮危化品分割识别的智能化和精确化效果。
基于红外图像处理漂浮危化品识别方法

[发明专利]一种基于图像识别的飞行时序生成方法、装置和设备-CN202310117436.8在审
发明人：董玉 -专利权人：北京天兵科技有限公司
申请日： 2023-02-09 - 公布日： 2023-07-04 - 主分类号： G06V10/28 文献下载
摘要：本申请提供一种基于图像识别的飞行时序生成方法、装置和设备，该方法包括：获取待处理时序图；依次检测待处理时序图的各特征点，并根据各特征点的像素位置及灰度值识别待处理时序图的水平时间轴及表征时间程序指令的至少一个标识线，其中，至少一个标识线的一端在水平时间轴上；基于水平时间轴、至少一个标识线及至少一个标识线对应的像素位置将待处理时序图划分为至少一个子区域；根据至少一个子区域内的文本信息及至少一个子区域的像素位置进行编码，生成飞行时序执行代码。本申请解决了飞行时序绘制图转换为可执行程序的过程中，耗费时间较长，效率低下，错误率高的问题。
一种基于图像识别飞行时序生成方法装置设备

[发明专利]对象检测方法和装置-CN202310324891.5在审
发明人：张晋 -专利权人：联想（北京）有限公司
申请日： 2023-03-29 - 公布日： 2023-06-27 - 主分类号： G06V10/28 文献下载
摘要：本申请提供了一种对象检测方法和装置，该方法包括：获得图像序列，该图像序列包括多帧图像；确定该图像的像素特征信息；依据各帧图像的像素特征信息，将该图像序列划分为至少一个子图像序列，该子图像序列包括至少一帧图像；基于该子图像序列内的至少一帧图像进行背景建模，得到该子图像序列对应的背景图像；依据各子图像序列对应的背景图像，检测该图像序列的图像中是否存在目标对象。
对象检测方法装置

[发明专利]一种高光谱图像辐射位深残差量化方法-CN202310060477.8在审
发明人：张爱武;王娟;张希珍 -专利权人：首都师范大学
申请日： 2023-01-17 - 公布日： 2023-06-27 - 主分类号： G06V10/28 文献下载
摘要：本发明提供了一种高光谱图像辐射位深残差量化方法，该方法主要包括图像异常值去除、辐射位深残差量化系数确定、位深特征图像及残差图像生成等环节。图像异常值去除：导入待处理高光谱图像，检测异常值并去除。辐射位深残差量化系数确定：计算高光谱图像的最大辐射值，确定高光谱图像的辐射位深残差量化层级，进而确定量化系数。位深特征图像及残差图像生成：获得不同辐射位深的高光谱位深特征图像及其残差图像。本发明适合各类高光谱图像辐射位深残差的量化。
一种光谱图像辐射位深残差量化方法

[发明专利]一种基于二值条纹三维测量的相位补偿方法-CN202310534546.4在审
发明人：严飞;肖雨倩;刘佳;孙成;吴佩悦;文杰;路长秋;刘银萍 -专利权人：南京信息工程大学
申请日： 2023-05-12 - 公布日： 2023-06-23 - 主分类号： G06V10/28 文献下载
摘要：本发明公开了一种基于二值条纹解相的三维测量方法，首先，通过投影1幅二值条纹图像，利用条纹级次分布特点，将携带物体相位信息的图像分割成两个条纹掩膜，利用连通域对白色像素点进行阶梯式标记，以此获得条纹级次，其次，由于环境噪声等干扰因素导致解相时出现跳变误差，提出了通过融合半周期位移级次的方法来对相位进行补偿，利用解相的二值条纹来获取半周期错位的互补级次根据条纹级次和互补级次实现解相进行实验验证；本文方法解决了相位展开时出现的毛刺问题，并以平板为测量对象，利用本文方法测得的均方根误差为0.1980 mm，且只需要1幅图像即可完成解相，具有良好的鲁棒性和有效性，可应用于快速测量领域。
一种基于条纹三维测量相位补偿方法

[发明专利]一种阿尔兹海默病MRI图像多分类方法及装置-CN202310108568.4在审
发明人：卢洁;闫少珍;於帆 -专利权人：首都医科大学宣武医院;深圳市铱硙医疗科技有限公司
申请日： 2023-01-20 - 公布日： 2023-06-23 - 主分类号： G06V10/28 文献下载
摘要：本发明涉及图像分类技术领域，揭露了一种阿尔兹海默病MRI图像多分类方法及装置，包括：接收病人的脑部MRI图像，将所述脑部MRI图像输入至预先构建的脑部结构识别模型，得到MRI颞叶图、MRI额叶图、MRI顶叶图及MRI枕叶图，其中，脑部结构自动识别模型由卷积层、特征融合层、注意力层及YOLO模型层，计算MRI颞叶图、MRI额叶图、MRI顶叶图及MRI枕叶图分别在脑部MRI图像的面积占比，并根据面积占比确定病人的阿尔兹海默病的病重等级。本发明主要目的在于解决目前多数方法仅依赖于单一模型识别脑部MRI图像的脑叶区域，从而造成阿尔兹海默病误判率较高的问题。
一种阿尔兹海默病 mri 图像分类方法装置

[发明专利]一种图像处理方法、装置和存储介质-CN202211640088.4在审
发明人：郑亮 -专利权人：中兴通讯股份有限公司
申请日： 2022-12-20 - 公布日： 2023-06-23 - 主分类号： G06V10/28 文献下载
摘要：本申请公开了一种图像处理方法、装置和存储介质，其中的方法包括：读取待处理图像的图像数据；对所述图像数据筛选符合预设条件的特征信息，得到对应的二值化图像；处理二值化图像得到待处理图像对应的积分图；在积分图中移动搜索框得到积分图的连续区域的边界信息。本申请能够快速高效地获取连续区域的统计信息，包括边界，面积，等效中心等，适应于实时性要求较高的应用场景，可广泛应用于图像处理领域。
一种图像处理方法装置存储介质

[发明专利]使用机器学习的图像量化-CN202211571376.9在审
发明人： M·S·诺鲁扎德;R·A·罗哈斯葛迈兹;A·阮;F·J·卡布里塔孔德萨 -专利权人：罗伯特·博世有限公司
申请日： 2022-12-08 - 公布日： 2023-06-13 - 主分类号： G06V10/28 文献下载
摘要：公开了使用机器学习来量化图像的方法和系统。从传感器（例如，相机）接收多个输入图像，其中每个输入图像包括多个像素。利用图像到图像机器学习模型，每个像素被分配一个新的像素颜色。利用混合器机器学习模型，每个新的像素颜色被转换成固定数量的颜色之一，以产生多个量化图像，其中每个量化图像对应于输入图像之一。经由预训练参考机器学习模型，基于每个输入图像与其对应的量化图像的对准来确定损失函数。基于损失函数更新图像到图像机器学习模型和混合器模型的一个或多个参数。该过程重复，其中每次迭代更新图像到图像机器学习模型和混合器模型的参数，直到收敛为止，从而产生经训练的模型。
使用机器学习图像量化

1
2
3
4
5
6
7
下一页»
尾页
共 103 条